简介：为了提升设计师创意水平预测的准确性,并深入理解影响创意思维的关键神经生理特征,构建了一种结合SHapley加性解释(SHapley additive explanations,SHAP)方法的双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)模型,用于预测设计师在创作过程中的创意水平.实验采集了 34名设计师在具身交互场景下进行创作时的多模态神经生理数据,包括脑电、皮电、心率和皮温等时间序列信号,并采用同感评估技术(consensus assess-ment technique,CAT)对设计作品进行创意评分.进一步通过特征提取和选择,构建了基于Bi-LSTM的创意水平预测模型.性能评估结果表明,与其他 5种机器学习算法相比,Bi-LSTM模型在创意水平预测任务中表现优异,准确率、精确率、召回率和F1 值分别为 0.863、0.868、0.863和 0.862.基于SHAP值的可解释性分析进一步揭示了神经生理特征对创意水平预测的贡献模式,结果发现,具身交互场景下的各神经生理特征贡献存在明显差异,相同特征在不同个体间可能产生不同方向的贡献.展开
